汪振　陸奎

摘要：提出一種基于粒子濾波的Wi-Fi和PDR的室內(nèi)定位方法。首先對Wi-Fi指紋數(shù)據(jù)進(jìn)行卡爾曼濾波，改善權(quán)重KNN提升分類精度;然后通過行人航位推算（PDR）根據(jù)加速度傳感器數(shù)據(jù)和方向角數(shù)據(jù)計(jì)算出每步的步長以及步速，從而推算出路徑;最后在改進(jìn)的Wi-Fi和PDR的定位基礎(chǔ)上，使用粒子濾波將兩者結(jié)果進(jìn)行融合。試驗(yàn)過程中，使用采集兩個(gè)教室的環(huán)境數(shù)據(jù)，試驗(yàn)結(jié)果證明了該算法能提升定位精度。

關(guān)鍵詞：室內(nèi)定位;Wi-Fi指紋;粒子濾波;卡爾曼濾波;行人航位推算（PDR）

中圖分類號：TP181文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2020）09-0039-01

1 引言

隨著時(shí)代的發(fā)展，使用智能手機(jī)的用戶逐漸變多，并且商場等大型的室內(nèi)環(huán)境中部署了大量Wi-Fi，這使得室內(nèi)環(huán)境下使用Wi-Fi進(jìn)行定位成為研究熱門。目前，Wi-Fi的定位主要分為兩類：基于位置指紋的方法和基于信號傳播模型的方法。基于位置指紋的方法應(yīng)用最為廣泛[1]，Wi-Fi位置指紋主要是在某個(gè)位置采集所有Wi-Fi接人點(diǎn)的接收信號強(qiáng)度CRSSI），每個(gè)接人點(diǎn)又具有唯一的介質(zhì)訪問控制（MAC）地址。但是室內(nèi)環(huán)境中存在大量的障礙物會(huì)引起信號多徑衰減問題，也會(huì)影響Wi-Fi信號的覆蓋范圍，從而導(dǎo)致接收信號強(qiáng)度（RSSI）會(huì)出現(xiàn)偏差。這些問題使得在室內(nèi)環(huán)境中基于RSSI的定位精度和穩(wěn)定性都比較差，無法滿足用戶在室內(nèi)的需求。

通過智能設(shè)備中的多個(gè)傳感器采集數(shù)據(jù)，使用行人航位推算（ PDR）[2]方法可以實(shí)現(xiàn)連續(xù)無縫的定位。但是PDR也有明顯的缺點(diǎn)，即存在誤差累積問題，無法長時(shí)間的定位。綜上所述，本文提出一種基于粒子濾波[4][5]的Wi-Fi和PDR的室內(nèi)定位方法。

2 本文算法

本文算法首先是對原始的Wi-Fi數(shù)據(jù)進(jìn)行卡爾曼濾波[3]，設(shè)存放原始數(shù)據(jù)的元胞數(shù)組為rawdatacell，Q和R分別為過程噪聲協(xié)方差和觀測噪聲協(xié)方差，計(jì)算卡爾曼增益以及最優(yōu)估計(jì)的協(xié)方差，最后濾波后的數(shù)據(jù)。將經(jīng)過卡爾曼濾波的數(shù)據(jù)輸入到改進(jìn)的權(quán)重KNN，計(jì)算出定位路徑Resultl。

PDR部分算法，輸入原始的加速度數(shù)據(jù)（rawdata_accl）和原始的方向角（ rawdata_attitude）去除重力加速度的影響，進(jìn)行峰值檢測，計(jì)算峰值（pks），通過峰值計(jì)算出步數(shù)（stepnum），計(jì)算出每步邁出的時(shí)間（ Time）和速度（velocity），計(jì)算出步長（step-size）。因此PDR算法得到定位路徑Result2。

該算法最重要的部分是將由改進(jìn)權(quán)重KNN得到的Resultl和PDR得到的結(jié)果Result2通過粒子濾波算法進(jìn)行融合，消除PDR部分的累積誤差，提高定位精度。本文提出的算法通過粒子濾波方法將Wi-Fi指紋定位和PDR結(jié)果進(jìn)行預(yù)測、更新權(quán)重、重采樣等改善粒子多樣性缺失問題，計(jì)算量少，可以使用在小型數(shù)據(jù)中，同時(shí)消除PDR的累積誤差，提升了Wi-Fi定位的連續(xù)性和穩(wěn)定性，提高融合定位的定位精度。

3 實(shí)驗(yàn)與分析

本文的實(shí)驗(yàn)數(shù)據(jù)采用：在浙江大學(xué)城市學(xué)院五樓534，532兩個(gè)教室采集的Wi-Fi數(shù)據(jù)以及加速度傳感器數(shù)據(jù)和方向角數(shù)據(jù);數(shù)據(jù)規(guī)格：Wi-Fi原始數(shù)據(jù)2*8ceU，加速度數(shù)據(jù)和方向角數(shù)據(jù)2*388cell。本文中計(jì)算出步數(shù)為8步。本文采用的評估方式是融合濾波之后得到的路徑與真實(shí)路徑之間計(jì)算距離（ Distance）。

根據(jù)采集的數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，最終單獨(dú)使用Wi-Fi數(shù)據(jù)的定位誤差為1.8米，而融合定位得到定位誤差為0.55米，定位精度有較大的提升，因此本文提出的方法是有效。下圖1為真實(shí)路徑、Wi-Fi指紋定位路徑以及本文提出的方法路徑之間進(jìn)行對比。

由圖中看出，wifi指紋定位路徑以及PDR路徑進(jìn)行粒子濾波融合在室內(nèi)環(huán)境中定位有較大的提升，融合之后的路徑更接近真實(shí)路徑。因此，本文提出的方法能夠有效地降低定位誤差。

4 總結(jié)

在室內(nèi)環(huán)境中使用Wi-Fi數(shù)據(jù)，本文提出一種基于粒子濾波融合Wi-Fi和PDR的定位算法，能有效提高定位精度。在未來工作中，打算使用文本的方式對Wi-Fi的信號強(qiáng)度RSSI特征進(jìn)行提取，進(jìn)而提高定位精度以及定位時(shí)間。

參考文獻(xiàn)：

[1]吳澤泰，蔡仁欽，徐書燕，等.基于K近鄰法的WiFi定位研究與改進(jìn)[Jl.計(jì)算機(jī)工程，2017，43（3）：289-293.

[2]王旭鳳.基于慣性導(dǎo)航的室內(nèi)定位系統(tǒng)的研究[D].長春：吉林大學(xué)，2015.

[3]李慶黨，張義龍.基于卡爾曼濾波和互補(bǔ)濾波的改進(jìn)型姿態(tài)解算方法[J].青島科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，40（6）：85-89，98.

[4]常坤.基于粒子濾波算法的地磁室內(nèi)定位實(shí)現(xiàn)[D].北京：北京建筑大學(xué)，2016.

[5]蘇君.基于融合粒子濾波的室內(nèi)定位方法設(shè)計(jì)[Dl.南京：東南大學(xué)，2018.

【通聯(lián)編輯：梁書】

作者簡介：汪振（1993-），男，安徽阜陽人，碩士生，主要研究方向?yàn)槭覂?nèi)定位。